[发明专利]基于人工智能的处理催收业务的方法、装置及存储介质

说明书

本发明公开了一种基于人工智能的处理催收业务的方法、装置及存储介质，属于人工智能技术领域。方法包括：针对目标催收员当天所有的催收案件中的每一个，根据该催收案件的逾期天数确定对应的预测模型，并利用对应的预测模型预测催收案件当天被处理的假设情况下的第一出催概率和当天未被处理的假设情况下的第二出催概率；计算每个催收案件的第一出催概率与第二出催概率的差值；对每个催收案件的概率差值进行加权排序，并根据加权排序结果，在所有催收案件中筛选出推荐给目标催收员当天处理的目标催收案件。本发明实施例不但能够缩小催收员个体差异性，提升其能效，节省人力成本，而且能够提升催收案件的催收效果，提高催收效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的处理催收业务的方法、装置及存储介质。

背景技术

目前，随着互联网金融的发展，越来越多的个人或企业通过互联网寻求借贷等金融服务，与此同时，逾期贷款的案件数量也在不断增加。

通常，贷款逾期的案件会被分配至专业的催收员进行催收，一个催收案件会在一个催收员名下负责一段时间(例如30天)，每天每个催收员名下可能会有上百个催收案件。由于每个催收员每天处理案件的精力有限，并且不是每个案件都需要每天处理，催收员每天应该处理哪些催收案件带有较大的主观性和盲目性，从而导致催收效果不佳，催收效率不高等问题。

发明内容

为了解决上述背景技术中提到的至少一个问题，本发明提供了一种基于人工智能的处理催收业务的方法、装置及存储介质。

本发明实施例提供的具体技术方案如下：

第一方面，提供一种基于人工智能的处理催收业务的方法，所述方法包括：

针对目标催收员当天所有的催收案件中的每一个，根据该催收案件的逾期天数确定对应的预测模型，并利用所述预测模型预测所述催收案件当天被处理的假设情况下的第一出催概率和当天未被处理的假设情况下的第二出催概率；

计算每个所述催收案件的所述第一出催概率与所述第二出催概率的差值；

对每个所述催收案件的概率差值进行加权排序，并根据加权排序结果，在所有所述催收案件中筛选出推荐给所述目标催收员当天处理的目标催收案件。

进一步地，所述针对目标催收员当天所有的催收案件中的每一个，根据该催收案件的逾期天数确定对应的预测模型步骤之前，所述方法还包括：

建立不同逾期天数和预设的各预测模型之间的对应关系，其中，所述预测模型是通过如下方式得到的：

获取多个样本数据，所述多个样本数据包括多个样本催收案件在指定逾期天数内的多个原始变量的特征值和对应的标签；

获取各所述样本催收案件的处理状态变量的值，其中，所述处理状态变量用于指示样本催收案件在达到所述指定逾期天数的当天是否被处理；

根据各所述样本催收案件的多个原始变量的特征值、各所述样本催收案件的处理状态变量的值，获取各所述样本催收案件的多个衍生变量的特征值；

基于多个所述样本催收案件的多个原始变量的特征值、多个衍生变量的特征值和对应的标签进行训练，得到所述预测模型，其中，所述预测模型对应于所述指定逾期天数。

进一步地，所述利用所述预测模型预测所述催收案件当天被处理的假设情况下的第一出催概率和当天未被处理的假设情况下的第二出催概率，包括：

获取所述催收案件的多个原始变量的特征值；

针对所述催收案件当天是否被处理的两种假设情况，将所述催收案件的处理状态变量分别设置为第一值和第二值；

根据所述多个原始变量的特征值和所述处理状态变量的第一值，获取所述多个原始变量对应的多个衍生变量的第一特征值；